Universidad Complutense de Madrid
E-Prints Complutense

Métodos de aprendizaje automático aplicados a la industria aseguradora

Downloads

Downloads per month over past year

62519

Impacto

Downloads

Downloads per month over past year



Ospina Rendón, Diego Alejandro (2020) Métodos de aprendizaje automático aplicados a la industria aseguradora. [Trabajo Fin de Máster]

[thumbnail of Métodos de aprendizaje automático aplicados a la industria aseguradora - TFM Diego Ospina.pdf]
Preview
PDF
1MB



Abstract

En este trabajo se propone la aplicación de una serie de modelos (análisis de la cesta de compra, análisis clúster, análisis de supervivencia, regresión de Cox, redes neuronales artificiales, árboles de decisión, máquinas de vectores soporte, regularizaciones Ridge, Lasso y Elasticnet, xGBoost tree y xGBoost linear) que se fundamentan en técnicas de aprendizaje automático y de minería de datos con el fin de tener un mejor entendimiento de los clientes, poder sacar un mejor provecho de su relación con la compañía e implementar técnicas modernas para abordar algunas cuestiones de interés dentro del sector asegurador. Dado lo anterior, los modelos propuestos pueden clasificarse en dos categorías: modelos de conocimiento del cliente y modelos actuariales de tarificación. El primer grupo de modelos tiene por objeto caracterizar los perfiles de los clientes, sus patrones de compra y descubrir el comportamiento de la cartera, características reflejadas en cuatro pilares que la compañía debe identificar y aprovechar para tener relaciones más rentables con los clientes: la identificación, la atracción, el desarrollo y la retención. El ciclo de vida de un cliente está enmarcado por la gestión de las relaciones con los clientes, donde las primeras fases consisten en conseguir clientes, posteriormente estas relaciones se establecen y se desarrollan a través de venta cruzada y ventas de mayor valor, y en las últimas fases del ciclo, se procura retenerlos. Por su parte, el segundo grupo de modelos tiene por objeto abordar de una forma diferente el problema de tarificación, a través de técnicas de reciente publicación que pueden mejorar la eficiencia y la calidad de los resultados en comparación con las técnicas tradicionales de GLM, las cuales, a través de los años y la investigación de diferentes autores, se revela que tienen aspectos que pueden mejorar. El objetivo principal de este trabajo consiste en mostrar cómo las técnicas de aprendizaje
automático pueden aplicarse en el sector asegurador, usarse en la predicción del comportamiento de los clientes, en la eficiencia del cálculo de primas y traer consigo ventajas para la compañía en términos de estrategia y rentabilidad.


Item Type:Trabajo Fin de Máster
Directors:
Directors
Díaz Martínez, Zuleyka
Uncontrolled Keywords:Técnicas de aprendizaje automático; Minería de datos; Sector asegurador; Predicción del comportamiento de los clientes; Cálculo de primas; Estrategia y rentabilidad; Gestión de las relaciones con los clientes.
Subjects:Social sciences > Economics > Business enterprises
Social sciences > Economics > Insurance
Título del Máster:Máster Universitario en Ciencias Actuariales y Financieras
ID Code:62519
Deposited On:13 Oct 2020 10:48
Last Modified:13 Oct 2020 10:48

Origin of downloads

Repository Staff Only: item control page